Python基础之Excel文件操作

前言
Python中想要对Excel文件数据的处理，通常需要使用第三方库openpyxl、pandas。下面我将分别介绍这两种库用于处理测试数据的一些用法（我想要的测试数据格式为[{ },{ }…{ }]，其中字典的key是对应文件的表头，value是对应字段的值）。

openpyxl库处理Excel

【处理流程】

1.导入对应的第三方库（from openpyxl import load_workbook）
2.找到想要操作文件的路径后打开excel对象（wb=load_workbook(想要打开文件的路径(为了拓展最好是相对路径))）
3.获取表单对象（sh=wb[“Excel中对应的sheet页名称”]）
4.通过坐标获取对应的内容（value=sh.cell(坐标).value）
注意！使用openpyxl库逐字段获取数据时下标要从（1,1）开始。当获取的单元格值为空时，返回None
5. 逐个单元格获取：先获取表头，然后逐行逐单元格获取对应的值，并且与表头一一对应。

def read_excel(self):
#定义空列表1，用于存放表表头字段
    data_title = [] 
# sh.max_column+1是因为使用openpyxl库时坐标要从（1,1）开始
    for col in range(1, self.sh.max_column+1):  
# 通过for循环将每个表头数据放入列表中    
        data_title.append(self.sh.cell(1, col).value) 
# 定义空列表2用于存放最终的测试数据        
    data_value = []  
# range(2, self.sh.max_row+1)这里取2是因为第一行是表头数据，我们需要取的是表头以外的数据
#第一层循环需要遍历除表头外所有的行   
    for row in range(2, self.sh.max_row+1):
#每次循环都定义一个空字典用于存放非表头数据。基于字典key-value的数据结构，实现表字段与对应数据的对应
        data_dict = {}
#第二层循环需要对每一列的数据进行遍历
        for col in range(1, self.sh.max_column+1):
#data_title[col-1]是因为列表的下标是从0开始的，而我们的col是从1开始自增的
            data_dict[data_title[col-1]] = self.sh.cell(row, col).value
#第二个循环每次遍历的结果都是一个字典，第二个循环完成之后，会重新开始第一层循环
#使用append将第二次循环的结果加入列表，得到的数据样式为[{字典1},{字典2}]
        data_value.append(data_dict)
#最终完成所有数据的汇总    
    return data_value

逐行获取：

def read_excel12(self):
#定义空列表1保存表头字段
    list_title = []
#list(self.sh.rows)[0]使用list这个工厂函数是因为sh.rows的结果是一个generator（可迭代对象）
#对该对象进行切片是为了获取表头行的信息
    for i in list(self.sh.rows)[0]:
#通过第一层循环，此时i是openpyxl的cell对象，因此获取数据需要使用i.value方法
        list_title.append(i.value)
#创建一个新的列表，存放除表头行以外最终结果
    list_value = []
#list(self.sh.rows)[1:]是由于list(self.sh.rows)整体就是列表，使用切片将表头行分隔开
    for row in list(self.sh.rows)[1:]:
#定义一个列表，存放行对象具体的值，此时j的类型为一个cell对象
        case_list = []
        for j in row:
#cell.value 用于读取和修改单元格的实际内容
            case_list.append(j.value)
#zip函数主要作用是将多个可迭代对象（如列表、元组、字典视图等）中相对应位置的元素打包成一个个元组（tuple），
#形成一个新的迭代器（iterator），想要访问该迭代器需要使用工厂函数（list、dict）将其转换为一个可迭代对象或者通过for循环访问
            tuple_value = dict(zip(list_title, case_list))
        list_value.append(tuple_value)
    return list_value
    

修改excel中的数据
【修改指定单元格数据】
可通过指定下标实现数据修改，也可通过for循环完成指定列、指定行数据更改
保存修改的内容时，需要保证原本的Excel文件处于关闭状态

使用workbook创建一个Excel文件，并向里面写入内容
思路：使用openpyxl库中的Workbook包--------声明Workbook对象--------使用声明的对象去声明一个默认的sheet页
使用声明的sheet页对象添加列名------通过循环，使用声明的sheet页对象逐行添加Excel的内容-----使用声明的
Workbook对象存储内容

注意！openpyxl主要用于处理.xlsx格式的文件，openpyxl库不能直接处理csv文件。

pandas处理Excel
【读取csv文件】

def read_csv_pandas(self):
  
    csv_path = data_path + "/test1.csv"
    df = pd.read_csv(csv_path)
 # df.to_dict()：此方法将DataFrame对象df转换为字典类型，当指定 'records' 作为to_dict()方法的参数时，
 #它指示将DataFrame的每一行数据转换为一个独立的字典，每个字典的键是DataFrame的列名
    data_dict = df.to_dict('records')
    return data_dict 

【读取xlsx、xlsx文件】

   def read_excel_pandas(self):
     # 使用pandas读取数据时，需要注意header熟悉，为None表示表头也作为数据行，不为None不读取表头，只读取数据行。默认为	None
     # 读取的结果是一个DataFrame数据结构
        df = pd.read_excel(self.path)  
        if pd.__version__ >= '1.0.0':
        #使用pandas库中自带的replace函数对DataFrame进行操作,它接受一个映射（通常为字典），其中键代表要被替换的原始值，值代表替换后的目标值。
            df = df.replace({pd.NA: None, '': None, np.nan: None})  # 在 Pandas 中，当读取 CSV 文件时遇到空值（如空字符串或空单元格）
        else:
            print("进入1.0以下的逻辑")      # 默认情况下它们会被解析为 NaN（Not a Number）
            df = df.replace({np.nan: None, '': None})
       # 将pandas.DataFrame对象转换为字典列表（即字典构成的列表），并将其赋值给变量data
       # 使用 ‘records’时 to_dict()会将DataFrame的每一行数据转换为一个字典，每个字典的键是列名
        data = df.to_dict('records')
        return data

                                                                                                            学海无涯